Paper: Image Super Resolution Based on Fusing Multiple Convolution Neural Networks
-----------------基于融合多卷积神经网络的图像超分辨率---------------------
Abstract
文章提出了一个基于多个卷积神经网络的精准的超分辨率方法,每个卷积神经网络有不同的结构,各自单独训练。
一共提出了三种融合方法:CNF、PWF和PNF。
Context-wise Network Fusion (CNF) :上下文网络融合(可能翻译不准确),通过附加的卷积层将单个网络的输出融合。通过微调融合后的网络,与单个网络相比,准确性显着提高。
Pixel-Wise network Fusion (PWF):像素级网络融合。
Progres- sive Network Fusion (PNF):渐进式网络融合。
Introduction
在本文中,作者讨论了如何构建基于融合不同个体网络的超分辨率系统。
主要贡献:
1.提出了一个上下文网络融合(CNF)框架来融合多个单独的网络。
每个单独的网络都构成了从LR到SR空间的映射。 由于各个网络的输出特征图可能具有不同的特征,因此在这些特征图上额外使用了卷积层,将这些卷积层的输出求和,作为最终输出。CNF对单个网络的结构没有限制,因此可以用于融合任何类型的超分网络。
2.讨论了其他网络融合方案,包括Pixel-Wise网络融合(PWF)和渐进式网络融合(PNF)。 结果表明,提出的CNF网络明显优于其他融合方案。
Related Work
主要讲了超分辨率方法的分类和发展概况,并且介绍了SRCNN、SRGAN